随着中国证券市场的快速发展,证券市场日益复杂,传统基于基本面分析的方法在股市中获利越来越困难。伴随着计算机的软硬件快速发展,基于数学和计算机的量化交易逐渐走进了人们的视野。量化选股和量化择时是量化交易两个比较重要的方向,量化选股有很多种实现方式,其中使用较多的是多因子选股,但是近年来的多因子选股论文都把因子与股票未来收益之间的关系看作是相同的,而现实中因子与不同类别股票未来收益的关系不一样。所以基于这点,本文以行业作为股票类别划分的标准,构建了一种基于行业的多因子选股方案。选取的股票能否以正确的时机交易将决定最后股票收益的正负,所以本文结合长期均线、深度强化学习以及行业特点构建了一种新的择时策略,并将其用于分行业选股之后的股票交易阶段,以期尽可能做出正确的交易行为,从而最大化股票的收益。本文以行业作为股票分类的标准,通过对股市的分析和参考前人研究选取了泛消费行业和生物医药行业作为行业研究对象。并通过综合分析从A股中确定了属于泛消费行业和生物医药行业的实验股票。为了尽可能准确刻画股票未来的收益,本文选取了通联量化数据平台上所有免费因子作为初始候选因子,并将因子以行业为单位分两步筛选出构建多因子选股模型的因子。为了分析对比分行业构建多因子选股模型的有效性,本文还加入一个特殊行业:不分行业,即将泛消费行业和生物医药行业的股票合并,并将其以同样的流程构建多因子选股模型。将三个行业使用三种机器学习算法进行训练,并对模型进行评估。通过分析收益发现泛消费行业和生物医药行业大部分时间的收益高于市场平均收益,而不分行业仅有小部分时间的收益高于市场平均收益。所以分行业构建多因子选股模型可以有效的选取未来一段时间内收益较好的股票。多因子选股模型选取的股票能否以正确的方式交易决定了最终的收益,本文将行业自身的特点、均线指标和深度强化学习的优点结合生成了一种新型择时策略用于交易分行业选取的股票。通过对择时结果的分析,发现泛消费行业采用择时策略的多项收益指标都高于未择时的情况,尤其是大幅度提升了超额年化收益率和夏普比率,显著的提升了相同风险下的收益。而生物医药行业则多个收益指标均有提升。所以本文构建的新型择时策略能够有效做出正确的交易行为,从而最大化收益。